如何使用OpenXML从段落中找到页码？

Question

对于一个段落对象，我如何使用Microsoft Office的Open XML SDK 2.0确定它位于哪一页？

- Stef Heyenrath

---

简短回答：仅通过OOXML数据层面是不可能的。请参阅此处以获取详细解释。 - kjhughes

Answer 1

使用OpanXml Sdk无法获取Word文档的页码，因为这是由客户端（如MS Word）处理的。

但是，如果您正在处理的文档先前已被Word客户端打开并保存，则客户端将添加 LastRenderedPageBreak 以标识分页符。有关LastRenderedPageBreaks的更多信息，请参见我的回答此处。这使您可以计算在您的段落之前的LastRenderedPageBreak元素的数量以获取当前页数。

如果不是这种情况，则围绕您的要求解决问题的简单方法是添加带有页码的页脚（可以使用与文档相同颜色来虚拟隐藏它！）。仅当您正在使用OpenXML sdk自动化Word文档生成时才可选。

- Flowerking

Answer 2

@Flowerking：感谢提供信息。

既然我需要循环所有段落来搜索特定字符串，那么我可以使用以下代码查找页面编号：

using (var document = WordprocessingDocument.Open(@"c:\test.docx", false))
{
    var paragraphInfos = new List<ParagraphInfo>();

    var paragraphs = document.MainDocumentPart.Document.Descendants<Paragraph>();

    int pageIdx = 1;
    foreach (var paragraph in paragraphs)
    {
        var run = paragraph.GetFirstChild<Run>();

        if (run != null)
        {
            var lastRenderedPageBreak = run.GetFirstChild<LastRenderedPageBreak>();
            var pageBreak = run.GetFirstChild<Break>();
            if (lastRenderedPageBreak != null || pageBreak != null)
            {
                pageIdx++;
            }
        }

        var info = new ParagraphInfo
        {
            Paragraph = paragraph,
            PageNumber = pageIdx
        };

        paragraphInfos.Add(info);
    }

    foreach (var info in paragraphInfos)
    {
        Console.WriteLine("Page {0}/{1} : '{2}'", info.PageNumber, pageIdx, info.Paragraph.InnerText);
    }
}

- Stef Heyenrath

---

不错。如果您在问题中包含了一些代码，我应该会在我的答案中提供类似的代码。 但有一个注意点 => 在Open Xml中，“var pageBreak = run.GetFirstChild<Break>();”并不是所有的“Break”都是分页符！ - Flowerking

对于所有未来的访问者..，原帖认为这回答了他的问题。但是，在使用多列布局时，它会失败。此外， run.GetFirstChild<Break>(); 会给你各种类型的换行符，可能包括除了页面分隔符以外的其他分隔符。因此，在使用上述代码时请牢记这些要点。 - Flowerking

文档中有LastRenderedPageBreak的地方也会有Break，因此只使用Break检查就可以了。但是有些情况下没有分页符，但内容延伸到多个页面，如何识别并按页面分隔内容？ - HaBo

Answer 3

这是我为此编写的扩展方法：

    public static int GetPageNumber(this OpenXmlElement elem, OpenXmlElement root)
    {
        int pageNbr = 1;
        var tmpElem = elem;
        while (tmpElem != root)
        {
            var sibling = tmpElem.PreviousSibling();
            while (sibling != null)
            {
                pageNbr += sibling.Descendants<LastRenderedPageBreak>().Count();
                sibling = sibling.PreviousSibling();
            }
            tmpElem = tmpElem.Parent;
        }
        return pageNbr;
    }

- Poppuff Arthem

---

LastRenderedPageBreak并不总是可用的。 - HaBo

这仅会计算现有文档中已插入的分页符数量，例如在Word中打开后插入分页符。如果您使用SDK自己生成文档，则文档中唯一的分页符将是您自己插入的，因此您不需要计数。 - IanGSY